|
matlab中主成分分析的函数:
" t0 K5 z6 ~3 \; G3 m1.princomp8 f8 {9 l$ R& K& I( ^7 s" J
功能:主成分分析: j _; s! l$ R4 O/ m9 m8 \
格式:PC=princomp(X)
4 W- A; G5 b" b- ~) c( }! P [PC,SCORE,latent,tsquare]=princomp(X)
5 f: T' G3 P% P1 e b/ A 说明:[PC,SCORE,latent,tsquare]=princomp(X)对数据矩阵X进行主成分分析,给出各主成分(PC)、所谓的Z-得分 (SCORE)、X的方差矩阵的特征值(latent)和每个数据点的HotellingT2统计量(tsquare)。 : W% j! d% [ c+ c$ }1 Y
2.pcacov
6 Q1 Y/ W! e- y% w 功能:运用协方差矩阵进行主成分分析: I2 R4 X' ?% o8 w: w3 U
格式:PC=pcacov(X)
+ f: K' t! }# b' F% R Y7 w& x# z [PC,latent,explained]=pcacov(X)$ V+ T+ o! _6 W; [3 `+ \- b8 n
说明:[PC,latent,explained]=pcacov(X)通过协方差矩阵X进行主成分分析,返回主成分(PC)、协方差矩阵X的特征值(latent)和每个特征向量表征在观测量总方差中所占的百分数(explained)。
* R$ j. O1 Y# c3.pcares. Q6 _3 O/ B* l0 O3 K
功能:主成分分析的残差
. u, P+ E& M+ \) j 格式:residuals=pcares(X,ndim)5 {" p3 L3 w) J3 R: a
说明:pcares(X,ndim)返回保留X的ndim个主成分所获的残差。注意,ndim是一个标量,必须小于X的列数。而且,X是数据矩阵,而不是协方差矩阵。 2 d& f, h/ C% x2 j, N
4.barttest
" a2 J+ z5 h6 J: B; A 功能:主成分的巴特力特检验
6 Y( _8 N: e+ k 格式:ndim=barttest(X,alpha)
; y4 c8 l1 S6 e. E [ndim,prob,chisquare]=barttest(X,alpha)+ t% E* g; t" K6 |2 i. Y, ~3 f
说明:巴特力特检验是一种等方差性检验。ndim=barttest(X,alpha)是在显著性水平alpha下,给出满足数据矩阵X的非随机变量的n维模型,ndim即模型维数,它由一系列假设检验所确定,ndim=1表明数据X对应于每个主成分的方差是相同的;ndim=2表明数据X对应于第二成分及其余成分的方差是相同的。 |